[论文解读] A Fast Algorithm for Computing Geodesic Distances in Tree Space

Megan Owen, J. Scott Provan|ArXiv.org|Jul 23, 2009

Genetic diversity and population structure参考文献 19被引用 5

一句话总结

本文提出了首个在树空间中计算系统发育树之间测地线距离的多项式时间算法，树空间是一个包含拓扑结构和边长的连续度量空间。通过迭代地优化一条初始路径，逐步采用经过新识别的单纯形（orthants）的更短路径——利用二分图中的加权顶点覆盖——该算法高效计算出任意两棵树之间的唯一最短路径（测地线）。

ABSTRACT

Comparing and computing distances between phylogenetic trees are important biological problems, especially for models where edge lengths play an important role. The geodesic distance measure between two phylogenetic trees with edge lengths is the length of the shortest path between them in the continuous tree space introduced by Billera, Holmes, and Vogtmann. This tree space provides a powerful tool for studying and comparing phylogenetic trees, both in exhibiting a natural distance measure and in providing a Euclidean-like structure for solving optimization problems on trees. An important open problem is to find a polynomial time algorithm for finding geodesics in tree space. This paper gives such an algorithm, which starts with a simple initial path and moves through a series of successively shorter paths until the geodesic is attained.

研究动机与目标

• 解决 Billera、Holmes 和 Vogtmann 提出的连续树空间中，系统发育树之间测地线距离计算缺乏高效算法的问题。
• 克服先前方法（如 GeoMeTree 和 GeodeMaps）因搜索指数级数量的候选路径而导致的指数级时间复杂度。
• 设计一种多项式时间算法，精确计算两棵树之间的测地线距离与路径，从而实现对大规模树的实际应用。
• 将方法扩展至处理具有共同边和叶边长的树，提升其在生物学和计算上的实用性。
• 为树空间中的高级统计与优化技术（如计算中心点和拟合直线）提供基础，适用于面向对象的数据分析。

提出的方法

• 从树空间中连接两棵树的初始路径开始，该路径以分段线性形式穿过对应于不同树拓扑的单纯形。
• 在每次迭代中，通过从两棵输入树的边集构造二分图并求解最小权顶点覆盖，识别出与真实测地线相交的新单纯形。
• 将当前路径转换为最优地穿过新识别的单纯形，从而减少总路径长度。
• 利用树空间的 CAT(0) 性质，确保每次路径优化严格缩短长度，从而保证收敛至测地线。
• 利用仅有多项式数量个单纯形与测地线相关这一事实，将迭代次数限制在多项式范围内。
• 通过将路径分解为共享边和非共享边段，处理具有共同边的树，确保在测地线路径中保持共享边的长度。

实验结果

研究问题

• RQ1 能否设计一种多项式时间算法，以精确计算连续树空间中两棵系统发育树之间的测地线距离？
• RQ2 如何通过识别相关单纯形并逐步优化路径，迭代构建测地线路径？
• RQ3 何种组合结构（例如二分图中的顶点覆盖）可用于高效识别应包含在路径中的下一个单纯形？
• RQ4 该算法如何适应具有重叠边和叶边长的树？
• RQ5 该方法在多大程度上能推动树空间中新型统计技术的发展，例如计算中心点或在面向对象数据分析中拟合直线？

主要发现

• 所提出的算法时间复杂度为多项式时间，具体为 n-叶树的 O(n^3)，是首个实现精确测地线距离计算的此类方法。
• 由于树空间具有 CAT(0) 结构，该算法保证收敛至任意两棵树之间唯一的最短路径（测地线）。
• 测地线所经过的单纯形数量受叶数的多项式有界，确保算法仅执行多项式数量的步骤。
• 该方法正确处理具有共同边的树，通过在路径变换过程中保持其长度不变。
• 该算法自然扩展至包含叶边长的树，路径构造与时间复杂度仍保持多项式。
• 该方法使测地线距离在大规模系统发育树上的实际应用成为可能，克服了先前方法（如 GeoMeTree 和 GeodeMaps）的指数级时间复杂度限制。